2024年物联网嵌入式最全图像的腐蚀与膨胀之c++实现（qt + 不调包）_qimage膨胀腐蚀，2024年最新offer拿到手软

于 2024-05-14 10:37:39 发布
阅读量321 收藏 8
点赞数 3
分类专栏： 程序员 文章标签： 物联网 嵌入式硬件 学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/2401_85015220/article/details/138844604
版权

收集整理了一份《2024年最新物联网嵌入式全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升的朋友。
img
img

如果你需要这些资料，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人

都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

for (int y = 0; y<image->height(); y++)
{
	for (int x = 0; x<image->width(); x++)
	{
		color = QColor(image->pixel(x, y));
		newcolor = QColor(newImage->pixel(x, y));
		if (color.red() != newcolor.red())
		{
			r = 255;
		}
		else
		{
			r = 0;
		}
		if (color.green() != newcolor.green())
		{
			g = 255;
		}
		else
		{
			g = 0;
		}
		if (color.blue() != newcolor.blue())
		{
			b = 255;
		}
		else
		{
			b = 0;
		}
		newImage->setPixel(x, y, qRgb(r, g, b));
	}
}
return newImage;

}

/提取二值图的外边界/
QImageMainWindow::SideOutter(QImage image)
{
QImage* newImage = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
int kernel[3][3] = {
{ 1,1,1 },
{ 1,1,1 },
{ 1,1,1 }
};
int sizeKernel = 3;
QColor color;
QColor newcolor;
int r = 0;
int g = 0;
int b = 0;
/膨胀操作/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
{
int kr = 0;
int kg = 0;
int kb = 0;
for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
{
for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
{
color = QColor(image->pixel(x + i, y + j));
while (color.red() > kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kr = color.red();
}
while (color.green() > kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kg = color.green();
}
while (color.blue() > kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kb = color.blue();
}
}
}
newImage->setPixel(x, y, qRgb(kr, kg, kb));
}
}
/end/
for (int y = 0; yheight(); y++)
{
for (int x = 0; xwidth(); x++)
{
color = QColor(image->pixel(x, y));
newcolor = QColor(newImage->pixel(x, y));
if (color.red() != newcolor.red())
{
r = 255;
}
else
{
r = 0;
}
if (color.green() != newcolor.green())
{
g = 255;
}
else
{
g = 0;
}
if (color.blue() != newcolor.blue())
{
b = 255;
}
else
{
b = 0;
}
newImage->setPixel(x, y, qRgb(r, g, b));
}
}
return newImage;
}

/提取双线空心文字/
QImageMainWindow::SideIO(QImage image)
{
QImage* newImage = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
QImage* newImage1 = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
QImage* newImage2 = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
int kernel[3][3] = {
{ 1,1,1 },
{ 1,1,1 },
{ 1,1,1 }
};
int sizeKernel = 3;
QColor color;
QColor newcolor;
int r = 0;
int g = 0;
int b = 0;
/第一次腐蚀操作/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
{
int kr = 255;
int kg = 255;
int kb = 255;
for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
{
for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
{
color = QColor(image->pixel(x + i, y + j));
while (color.red() < kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kr = color.red();
}
while (color.green() < kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kg = color.green();
}
while (color.blue() < kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kb = color.blue();
}
}
}
newImage->setPixel(x, y, qRgb(kr, kg, kb));
}
}
/end/
/第二次腐蚀操作/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
{
int kr = 255;
int kg = 255;
int kb = 255;
for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
{
for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
{
color = QColor(newImage->pixel(x + i, y + j));
while (color.red() < kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kr = color.red();
}
while (color.green() < kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kg = color.green();
}
while (color.blue() < kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kb = color.blue();
}
}
}
newImage1->setPixel(x, y, qRgb(kr, kg, kb));
}
}
/end end/
/二次腐蚀相减/
for (int y = 0; yheight(); y++)
{
for (int x = 0; xwidth(); x++)
{
color = QColor(newImage->pixel(x, y));
newcolor = QColor(newImage1->pixel(x, y));
if (color.red() != newcolor.red())
{
r = 255;
}
else
{
r = 0;
}
if (color.green() != newcolor.green())
{
g = 255;
}
else
{
g = 0;
}
if (color.blue() != newcolor.blue())
{
b = 255;
}
else
{
b = 0;
}
newImage->setPixel(x, y, qRgb(r, g, b));
}
}

/*第一次膨胀操作*/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
	for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
	{
		int kr = 0;
		int kg = 0;
		int kb = 0;
		for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
		{
			for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
			{
				color = QColor(image->pixel(x + i, y + j));
				while (color.red() > kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kr = color.red();
				}
				while (color.green() > kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kg = color.green();
				}
				while (color.blue() > kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kb = color.blue();
				}
			}
		}
		newImage1->setPixel(x, y, qRgb(kr, kg, kb));
	}
}
/*end*/
/*第二次膨胀操作*/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
	for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
	{
		int kr = 0;
		int kg = 0;
		int kb = 0;
		for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
		{
			for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
			{
				color = QColor(newImage1->pixel(x + i, y + j));
				while (color.red() > kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kr = color.red();
				}
				while (color.green() > kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kg = color.green();
				}
				while (color.blue() > kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kb = color.blue();
				}
			}
		}
		newImage2->setPixel(x, y, qRgb(kr, kg, kb));
	}
}
/*end*/
/*二次膨胀相减*/
for (int y = 0; y<image->height(); y++)
{
	for (int x = 0; x<image->width(); x++)
	{
		color = QColor(newImage1->pixel(x, y));
		newcolor = QColor(newImage2->pixel(x, y));
		if (color.red() != newcolor.red())
		{
			r = 255;
		}
		else
		{
			r = 0;
		}
		if (color.green() != newcolor.green())
		{
			g = 255;
		}
		else
		{
			g = 0;
		}
		if (color.blue() != newcolor.blue())
		{
			b = 255;
		}
		else
		{
			b = 0;
		}
		newImage1->setPixel(x, y, qRgb(r, g, b));
	}
}

/*复合提取内外边界*/
for (int y = 0; y<image->height(); y++)
{
	for (int x = 0; x<image->width(); x++)
	{
		color = QColor(newImage1->pixel(x, y));
		newcolor = QColor(newImage->pixel(x, y));
		if (color.red() > newcolor.red())
		{
			r = color.red();
		}
		else
		{
			r = newcolor.red();
		}
		if (color.green() > newcolor.green())
		{
			g = color.green();
		}
		else
		{
			g = newcolor.green();
		}
		if (color.blue() > newcolor.blue())
		{
			b = color.blue();
		}
		else
		{
			b = newcolor.blue();
		}
		newImage->setPixel(x, y, qRgb(r, g, b));
	}
}
delete newImage1;
delete newImage2;
return newImage;

}


#### **4.腐蚀与膨胀的扩展应用**


    开运算：先腐蚀，后膨胀，可以进行消噪，选择性保留符合结构模板的几何特征


    闭运算：先膨胀，后腐蚀，连接临近区域和填充细缝，通过选择结构模板可以让填充的内容具有一定几何特征

/二值化的开运算/

QImage* MainWindow::Opening(QImage* image)
{
QImage* newImage = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
QImage* newImage1 = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
int kernel[7][7] = {
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 } };
int sizeKernel = 7;
QColor color;
/腐蚀操作/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
{
int kr = 255;
int kg = 255;
int kb = 255;
for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
{
for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
{
color = QColor(image->pixel(x + i, y + j));
while (color.red() < kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kr = color.red();
}
while (color.green() < kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kg = color.green();
}
while (color.blue() < kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
{
kb = color.blue();
}
}
}
newImage->setPixel(x, y, qRgb(kr, kg, kb));
}
}

/*膨胀操作*/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
	for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
	{
		int kr = 0;
		int kg = 0;
		int kb = 0;
		for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
		{
			for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
			{
				color = QColor(newImage->pixel(x + i, y + j));
				while (color.red() > kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kr = color.red();
				}
				while (color.green() > kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kg = color.green();
				}
				while (color.blue() > kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kb = color.blue();
				}
			}
		}
		newImage1->setPixel(x, y, qRgb(kr, kg, kb));
	}
}
delete newImage;
return newImage1;

}

/二值化的闭运算/

QImage* MainWindow::Closing(QImage* image)
{
QImage* newImage = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
QImage* newImage1 = new QImage(image->width(), image->height(), QImage::Format_ARGB32);
int kernel[7][7] = {
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 },
{ 1,1,1,1,1,1,1 } };
int sizeKernel = 7;
QColor color;

/*膨胀操作*/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
	for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
	{
		int kr = 0;
		int kg = 0;
		int kb = 0;
		for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
		{
			for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
			{
				color = QColor(image->pixel(x + i, y + j));
				while (color.red() > kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kr = color.red();
				}
				while (color.green() > kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kg = color.green();
				}
				while (color.blue() > kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kb = color.blue();
				}
			}
		}
		newImage->setPixel(x, y, qRgb(kr, kg, kb));
	}
}

/*腐蚀操作*/
for (int y = sizeKernel / 2; y < image->height() - sizeKernel / 2; y++)
{
	for (int x = sizeKernel / 2; x < image->width() - sizeKernel / 2; x++)
	{
		int kr = 255;
		int kg = 255;
		int kb = 255;
		for (int j = -sizeKernel / 2; j <= sizeKernel / 2; j++)
		{
			for (int i = -sizeKernel / 2; i <= sizeKernel / 2; i++)
			{
				color = QColor(newImage->pixel(x + i, y + j));
				while (color.red() < kr && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kr = color.red();
				}
				while (color.green() < kg && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kg = color.green();
				}
				while (color.blue() < kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kb = color.blue();
				}
			}
		}
		newImage1->setPixel(x, y, qRgb(kr, kg, kb));
	}
}

收集整理了一份《2024年最新物联网嵌入式全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升的朋友。
img
img

如果你需要这些资料，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人

都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

{
					kg = color.green();
				}
				while (color.blue() < kb && kernel[sizeKernel / 2 + i][sizeKernel / 2 + j])
				{
					kb = color.blue();
				}
			}
		}
		newImage1->setPixel(x, y, qRgb(kr, kg, kb));
	}
}

收集整理了一份《2024年最新物联网嵌入式全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升的朋友。
[外链图片转存中…(img-bctCb2tN-1715654236045)]
[外链图片转存中…(img-We9GCvCK-1715654236045)]

如果你需要这些资料，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人

都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

2401_85015220
关注
  • 3
    点赞
  • 踩
  • 8
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
【OpenCv • c++】形态学技术操作 —— 腐蚀与膨胀
Ceylan__的博客
05-10 3288
形态学腐蚀膨胀操作是形态学的基本操作，常用于图形处理方面，实现了对目标像素点进行拓展的目的。从数学角度来讲，腐蚀膨胀操作就是将图像或者图像的一部分（称之为核A）与核（称之为核B）进行卷积。
OpenCV4（C++）——形态学（腐蚀、膨胀）
qq_43199575的博客
11-02 710
腐蚀和膨胀其实可以看成对图片进行了一次（多次）卷积操作。并且需要根据实际情况来选择使用哪种形态学操作，但通常来说，开运算（先腐蚀再膨胀）是比较常用的，因为其可以去除噪音和一些不相干的微小区域，并保留主要区域。（但感觉就像是滤波处理）
C++ 图像处理（十）腐蚀与膨胀
desian
08-29 1679
腐蚀与膨胀只能适用（3 x 3） 原理：以后再补原理 代码： 膨胀 //膨胀 void Morth_Dilet(QImage *image,QImage &out, int nTempH,int nTempW,int nTempMY,int nTempMX, int se[][3]) { bool bMatch; //结构元素是否与局部图像匹配 Init_Image(...
C++实现灰度图像的腐蚀、膨胀、细化运算
08-19
C++实现灰度图像的腐蚀、膨胀、细化运算（bmp灰度图片），vc6.0运行无误
【C++】OpenCV图像的膨胀与腐蚀示例程序 by浅墨
04-14
浅墨出品，分享精神至上~ 这个程序有一定的可玩性~have fun~~~ 图片素材是两只萌物，我们用轨迹条来控制滤波器，动态得到不同滤波效果的萌物图。 博文《【OpenCV入门教程之十】 形态学图像处理(一): 膨胀与腐蚀》的配套详细注释源代码。 博文链接： http://blog.csdn.net/poem_qianmo/article/details/23710721 1.已将dll打包到Release文件夹下，运行Release文件夹中的exe可以直接看到运行结果. 2.源代码运行需要进行OpenCV+VS开发环境的配置。可以参看我写的配置博文： http://blog.csdn.net/poem_qianmo/article/details/19809337 3.编写环境：Visual Studio 2010 4.写作当前代码时配套使用的OpenCV版本： 2.4.8 5.推荐代码结合博文一起看，学习效果更佳。 by浅墨
Qt案例之利用QImage类实现对图像的基本操作（图像显示、图像缩放、图像旋转）.zip
02-12
Qt案例，利用QImage类实现对图像的基本操作，包括图像显示、图像缩放、图像旋转等，与滑动条配合使用，可参考文章：https://blog.csdn.net/didi_ya/article/details/122897518
Qt实战案例之利用QImage类实现对图像的简单处理（显示图像、灰度化处理）
02-07
Qt实战案例之利用QImage类实现对图像的简单处理（显示图像、灰度化处理），可参考文章：https://blog.csdn.net/didi_ya/article/details/122810276
opencv+QT实现图片拼接和Mat转QImage
11-21
本接口包含三个功能： 1、图片拼接 ...3、Mat转QImage图像 用法链接：https://blog.csdn.net/cs1395293598/article/details/134507738?spm=1001.2014.3001.5501 微博主页：https://menghui666.blog.csdn.net/
QT C++ 中进行PDF显示，以实现 使用QtPdium，将 PDF 页面呈现为 QImage
04-28
仅是在学习QT C++时没有找到适用于doc，docx，pdf的自带库 在网上查找资源后决定使用QtPdium。QtPdfium 是一个 Qt 模块，它使用 google 的 pdfium 项目呈现 PDF 文件。它将 PDF 页面呈现为 QImage。 由于本人项目...
Qt QImage+QCustomPlot实现图像灰度直方图
07-23
Qt实现一个图像的灰度直方图。使用QImage读取图像，QCustomPlot实现直方图。Qt实现一个图像的灰度直方图。使用QImage读取图像，QCustomPlot实现直方图。
c++ 实现 膨胀（dilate）腐蚀（erode）
whchang8的专栏
02-24 1万+
膨胀原理： 此操作将图像 与任意形状的内核 ()，通常为正方形或圆形,进行卷积。 内核 有一个可定义的 锚点, 通常定义为内核中心点。 进行膨胀操作时，将内核 划过图像,将内核 覆盖区域的最大相素值提取，并代替锚点位置的相素。显然，这一最大化操作将会导致图像中的亮区开始”扩展” (因此有了术语膨胀 dilation )。对上图采用膨胀操作我们得到: 腐
C++ opencv 图像形态学、膨胀、腐蚀、闭、开、顶帽、黑帽
花语月的喵喵
06-10 1788
文章目录图像形态学获取结构元素(getStructuringElement())膨胀(dilate())腐蚀(erode())闭开顶帽黑帽 图像形态学
C++ 膨胀与腐蚀（dilate、erode)
tttabcgy的博客
06-19 4962
参考：https://blog.csdn.net/poem_qianmo/article/details/23710721膨胀：函数：一般只需输前三个参数：输入图像、输出图像、卷积内核void dilate(      InputArray src,      OutputArray dst,      InputArray kernel,      Point anchor=Point(-1,-...
Opencv--形态学图像处理--膨胀与腐蚀，开操作与闭操作
潜心
08-05 1万+
opencv 膨胀与腐蚀，开操作与闭操作
图像形态学处理（膨胀腐蚀开闭运算）——数字图像处理学习八（C++版）
weixin_43897847的博客
07-20 2019
一、基本概念 1)形态学的基本思想是利用一种特殊的结构元来测量或提取输入图像中相应的形状或特征，以便进一步进行图像分析和目标识别。 2)图像的形态学处理是对二值图像进行处理，所以在形态学处理前需要将图像二值化 3)结构元可以是任意形状，结构元有一个锚点，如下结构元，中间红色则为锚点 二、膨胀 可以知道，二值图像就是由黑色和白色组成，那么膨胀简单来说就是将图像的白色部分变大。 膨胀的原理就是结构元在图像上滑动，当锚点对应的像素为白色时，那么结构元对应为1的元素点也变为白色。 举个栗子： .
Opencv(C++)笔记--腐蚀与膨胀操作、创建滑动条
牵一只蜗牛去散步
12-15 856
src 表示输入的源图像，dst 表示膨胀处理后的图像，kernel 表示使用的结构元素 B，Point 默认为(-1, -1)表示结构元素 B 的中心点，iteration 表示膨胀的次数；src 表示输入的源图像，dst 表示腐蚀处理后的图像，kernel 表示使用的结构元素 B，Point 默认为(-1, -1)表示结构元素 B 的中心点，iteration 表示腐蚀的次数；原理与膨胀操作类似，只是 A 中像素点的像素值替换为结构元素B覆盖范围内的最小像素值；count：滑动条的最大值；
【OpenCV入门教程之十】 形态学图像处理（一）：膨胀与腐蚀
热门推荐
【浅墨的游戏编程Blog】毛星云（浅墨）的专栏
04-14 15万+
形态学（morphology）一词通常表示生物学的一个分支，该分支主要研究动植物的形态和结构。而我们图像处理中指的形态学，往往表示的是数学形态学。下面一起来了解数学形态学的概念。 数学形态学（Mathematical morphology） 是一门建立在格论和拓扑学基础之上的图像分析学科，是数学形态学图像处理的基本理论。其基本的运算包括：二值腐蚀和膨胀、二值开闭运算、骨架抽取、极限腐蚀、击中击不中变换、形态学梯度、Top-hat变换、颗粒分析、流域变换、灰值腐蚀和膨胀、灰值开闭运算、灰值形态学梯度等。
C++简单实现膨胀腐蚀开闭运算
lsxsszxs的博客
09-18 1964
项目需要用到闭运算对结果做形态学处理，简单实现一个仅供参考。 void Erosion(BYTE* image, BYTE* res, int nHeight, int nWidth)//二值图像膨胀 { for (int i = 1; i < nHeight - 1; i++) { for (int j = 1; j < nWidth - 1; j++) { int po
qt+opencv实现usb摄像头实时显示图像
最新发布
01-05
要使用Qt OpenCV来实现USB摄像头的实时显示图像，首先需要在Qt项目中集成OpenCV库。可以使用Qt的QMake或CMake来配置项目，将OpenCV头文件和库文件链接到项目中。 然后，需要创建一个Qt窗口来显示摄像头实时图像。在...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值